| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 基本模型估计 | 第11页 |
| 1.2.2 模型变形体 | 第11-12页 |
| 1.3 论文贡献及组织结构 | 第12-13页 |
| 第二章 LiNGAM模型及相关理论 | 第13-16页 |
| 2.1 LiNGAM模型 | 第13-14页 |
| 2.2 不相关与独立 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 DirectLiNGAM框架及外生变量识别的缺陷 | 第16-18页 |
| 3.1 DirectLiNGAM框架 | 第16-17页 |
| 3.2 现有识别外生变量存在的缺陷 | 第17页 |
| 3.3 本章小结 | 第17-18页 |
| 第四章 DirectLiNGAM框架下的两种改进算法 | 第18-28页 |
| 4.1 基于负熵局部选择外生变量的因果发现算法 | 第18-24页 |
| 4.1.1 基于负熵局部选择外生变量 | 第18-20页 |
| 4.1.2 算法流程 | 第20-21页 |
| 4.1.3 实验结果及分析 | 第21-24页 |
| 4.2 基于最大最小独立性选择外生变量的因果发现算法 | 第24-27页 |
| 4.2.1 基于最大最小独立性选择外生变量 | 第24-25页 |
| 4.2.2 算法流程 | 第25-26页 |
| 4.2.3 实验结果及分析 | 第26-27页 |
| 4.3 本章小结 | 第27-28页 |
| 第五章 一种快速有效的因果发现算法 | 第28-36页 |
| 5.1 基于峭度选择外生变量的因果发现算法 | 第28-32页 |
| 5.2 算法流程及复杂度分析 | 第32-33页 |
| 5.3 实验结果及分析 | 第33-35页 |
| 5.3.1 三种指标分析 | 第33-34页 |
| 5.3.2 运行时间分析 | 第34-35页 |
| 5.4 本章小结 | 第35-36页 |
| 结论 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 攻读学位期间发表的学术论文 | 第41-43页 |
| 致谢 | 第43页 |
